一种基于遥感图像的飞机型号识别系统和方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082801A(43)申请公布日2022.09.20(21)申请号202210888641.X(22)申请日2022.07.27(71)申请人北京道达天际科技股份有限公司地址100085北京市海淀区马连洼北路8号C座7层703室(72)发明人杨澜杨晓冬刘建明严华(74)专利代理机构北京市领专知识产权代理有限公司11590专利代理师潘镜如(51)Int.Cl.G06V20/10(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于遥感图像的飞机型号识别系统和方法(57)摘要本发明涉及一种基于遥感图像的飞机型号识别系统和方法，包括：目标检测模块，用于检测遥感图像中是否存在飞机目标，若存在飞机目标，则将检测的飞机目标发送至细粒度分类模块；型号识别模块，用于基于细粒度分类网络预测飞机目标的型号。本发明构建了目标检测模块和基于空洞卷积的双线性池化细粒度分类网络的组合架构，本架构适用于识别遥感图像中飞机目标的型号，还可以适用于其他领域图像中同一类大小且外形特征相似的目标识别。CN115082801ACN115082801A权利要求书1/2页1.一种基于遥感图像的飞机型号识别系统，其特征在于：包括：目标检测模块，用于检测遥感图像中是否存在飞机目标，若存在飞机目标，则将检测的飞机目标发送至型号识别模块；型号识别模块，用于基于细粒度分类网络预测飞机目标的型号。2.根据权利要求1所述的一种基于遥感图像的飞机型号识别系统，其特征在于：所述细粒度分类网络包括依次连接的3个神经网络单元、1个双线性输出单元，第1个神经网络单元的输入端与目标检测模块的输出端连接，第3个神经网络单元的输出端与双线性输出单元的输入端连接；每个所述神经网络单元包括第一残差空洞卷积块、第二残差空洞卷积块、第一卷积层、第二卷积层、全连接层、BN层、第三卷积层、第一激活函数层；所述第一残差空洞卷积块、第二残差空洞卷积块、第一卷积层依次连接，所述第一卷积层的输出端、第二卷积层的输出端分别与全连接层输入端连接，所述全连接层、BN层、第三卷积层、第一激活函数层依次连接。3.根据权利要求2所述的一种基于遥感图像的飞机型号识别系统，其特征在于：所述第一残差空洞卷积块或第二残差空洞卷积块包括依次连接的空洞卷积层、BN层、第二激活函数层。4.根据权利要求2所述的一种基于遥感图像的飞机型号识别系统，其特征在于：所述双线性输出单元用于对第3个神经网络单元输出的高维特征矩阵进行转置操作，再将转置操作前的高维特征矩阵和转置操作后的高维特征矩阵进行外积，得到融合后的双线性特征。5.根据权利要求1所述的一种基于遥感图像的飞机型号识别系统，其特征在于：所述细粒度分类网络的分类损失函数为：其中，xi表示输入样本，即输入细粒度分类网络的第i个飞机目标，N表示输入样本的总数，i∈N；yi表示标签真值，即输入细粒度分类网络的第i个飞机目标的型号类别真实标签；j表示第j个型号类别，M表示型号类别的总数，j∈M；yci为细粒度分类网络的预测输出，表示了第i个飞机目标属于第c个型号类别，c∈M；m表示输入细粒度分类网络的不同型号类别的飞机目标之间的距离间隔；表示yi的余弦角度；表示细粒度分类网络的预测输出yci与输入样本xi之间的夹角。6.一种基于遥感图像的飞机型号识别方法，其特征在于：包括以下步骤：步骤S1，目标检测模块检测遥感图像中是否存在飞机目标，若存在飞机目标，则将检测的飞机目标发送至型号识别模块；步骤S2，型号识别模块基于细粒度分类网络预测飞机目标的型号。7.根据权利要求6所述的一种基于遥感图像的飞机型号识别方法，其特征在于：所述型号识别模块基于细粒度分类网络预测飞机目标的型号的步骤，包括：2CN115082801A权利要求书2/2页细粒度分类网络对飞机目标进行特征提取，输出飞机目标的双线性特征，根据双线性特征预测飞机目标的型号；所述细粒度分类网络包括依次连接的3个神经网络单元、1个双线性输出单元；第1个神经网络单元的输入端与目标检测模块的输出端连接，第3个神经网络单元的输出端与双线性输出单元的输入端连接；3个神经网络单元输出飞机目标的高维特征矩阵，双线性输出单元输出飞机目标的双线性特征。8.根据权利要求7所述的一种基于遥感图像的飞机型号识别方法，其特征在于：每个所述神经网络单元包括第一残差空洞卷积块、第二残差空洞卷积块、第一卷积层、第二卷积层、全连接层、BN层、第三卷积层、第一激活函数层；所述第一残差空洞卷积块、第二残差空洞卷积块、第一卷积层依次连接，所述第一卷积层的输出端、第二卷积层